Estudo comparativo de controladores de Mamdani e Sugeno

para controle de tráfego em interseções isoladas

Michelle Andrade1; Maria Alice Prudêncio Jacques2

Resumo: Na definição de um controlador fuzzy que modele o conhecimento do especialista e promova o controle desejado de um
determinado sistema, o projetista precisa selecionar, inicialmente, o tipo básico de controlador a ser projetado. Isto é, precisa definir se
o controlador será do tipo proposto por Mamdani ou Sugeno. Na literatura são encontrados controladores semafóricos fuzzy dos dois
tipos sem que, no entanto, referência seja feita às razões que levaram à adoção de um tipo em detrimento do outro. Visando cobrir essa
lacuna, este trabalho analisa as principais características dos dois tipos de controladores, e compara as respostas e os efeitos dos mes-
mos no controle de diferentes volumes de tráfego em uma interseção isolada. Os resultados mostram que o controlador de Sugeno apre-
senta nítidas vantagens sobre o de Mamdani para a aplicação considerada.

Abstract: In defining the fuzzy controller that models specialist knowledge and promotes the desired control of a specific system, the
planner needs to select firstly the basic type of controller to be projected. In other words, it is necessary to define if the controller will
be the type proposed by Mamdani or Sugeno. In the literature, there are fuzzy traffic controllers from the two types without there being
any explanation as to the choice of one over the other. With a view to filling this loophole, this study analyses the main characteristics
of both controller types, and it compares their answers and results in controlling different traffic volumes at an isolated intersection.
Results indicate that the Sugeno controller presents clear advantages vis a vis Madami’s in the application considered.

1. INTRODUÇÃO de conjuntos fuzzy (Mamdani e Assilian, 1975). Iden-

Em 1973 Zadeh publicou um artigo que lançou as ba-
ses para a utilização da lógica fuzzy na análise de sis-
temas e processos de decisão cuja complexidade, se-
gundo o autor, não permitia a utilização de técnicas
matemáticas convencionais. Nesse trabalho foi cunha-
do o termo algoritmo fuzzy, definido como “um con-
junto ordenado de instruções fuzzy cuja execução pro-
duz uma solução aproximada para um determinado
problema” (Zadeh, 1973). De acordo com Kikuchi
(1991), o emprego de algoritmos fuzzy para a aborda-
gem e solução de problemas na área de transportes se
justifica em função do grau de incerteza associado a
vários desses problemas, como é o caso do controle do
tráfego em interseções semaforizadas.
A utilização de algoritmos fuzzy na solução de pro-
blemas de controle foi iniciada com o trabalho pionei-
ro de Mamdani (1973, apud Sugeno, 1985), motivado
pelos trabalhos de Zadeh. No controlador desenvolvi-
do foi adotado um método para o processo de decisão
baseado em regras do tipo “SE A ENTÃO B”, nas
quais tanto o antecedente quanto o conseqüente são
valores de variáveis lingüísticas, expressos por meio
1
Michelle Andrade, Departamento de Engenharia Civil e Ambien-
tal, Faculdade de Tecnologia, Universidade de Brasília. Brasília,
DF, Brasil (e-mail: maccivil@gmail.com).
2
Maria Alice Prudêncio Jacques, Departamento de Engenharia
Civil e Ambiental, Faculdade de Tecnologia, Universidade de Brasí-
lia. Brasília, DF, Brasil (e-mail: mapj@unb.br).
Manuscrito recebido em 8/7/2008 e aprovado para publicação em
9/10/2008. Este artigo é parte de TRANSPORTES, volume XVI,
número 2, de dezembro de 2008. ISSN: 1415-7713.
tificando algumas dificuldades para a utilização do
processo de decisão adotado no controlador de Mam-
dani, Takagi e Sugeno (1983) propuseram um método
de tomada de decisão simplificado, baseado na lógica
fuzzy, onde somente o antecedente das regras é forma-
do por variáveis fuzzy. O conseqüente de cada regra é
expresso por uma função linear dos valores observa-
dos das variáveis que descrevem o estado do sistema
(variáveis de entrada). Este tipo de controlador é refe-
rido na literatura como controlador de Sugeno (Lee,
1990a; Zimmermann, 1996; MathWorks, 2008).
Os controladores de Mamdani e Sugeno sofreram
aprimoramentos ao longo do tempo e têm sido utiliza-
dos para diferentes aplicações (Lee, 1990a). Atual-
mente estão disponíveis em pacotes computacionais,
com diferentes recursos para implementação dos seus
componentes, o que facilita o desenvolvimento de
controladores fuzzy para a solução de diferentes pro-
blemas de controle a partir da seleção de um desses
tipos básicos. A escolha do tipo de controlador a ado-
tar e, na seqüência, a forma de implementação dos
seus diferentes componentes, exige do projetista um
conhecimento geral dos aspectos teóricos envolvidos
em cada solução possível e, além disso, uma prévia
noção do impacto de cada escolha (tipo de controlador
e implementação dos componentes) sobre a resposta
do controlador e sobre a eficácia do controle por ele
produzido.
No caso dos controladores semafóricos fuzzy, cujo
primeiro modelo foi desenvolvido por Pappis e Mam-
dani (1977), a literatura mostra que a maioria dos tra-

24 TRANSPORTES, v. XVI, n. 2, p. 24-31, dezembro 2008

balhos adotou o controlador tipo Mamdani, pelo me-
nos em termos conceituais gerais, especificando as
saídas das regras como conjuntos fuzzy (Jacques et al.,
2002a). Enquanto análises sobre o impacto das dife-
rentes possibilidades de implementação de alguns e-
lementos do controlador semafórico fuzzy podem ser
encontradas na literatura (Jacques et al., 2002b, 2002c
e 2003), estudos voltados à avaliação do impacto da
escolha do tipo básico do controlador no desenvolvi-
mento de controladores semafóricos fuzzy não encon-
tram-se disponíveis.
O objetivo do presente trabalho é dar continuidade
aos estudos realizados no âmbito da Universidade de
Brasília e da Universidade de Tecnologia de Helsinki
para o desenvolvimento de controladores semafóricos
fuzzy para interseções isoladas, por meio da investiga-
ção do efeito provocado pela escolha do tipo do con-
trolador (Mamdani ou Sugeno) sobre a resposta do
dispositivo às solicitações do tráfego e sobre o desem-
penho do fluxo de tráfego. Apresenta, inicialmente,
uma descrição dos controladores de Mamdani e de
Sugeno, expondo suas diferenças conceituais e indi-
cando como eles podem ser implementados com o
auxilio de um programa computacional que disponha
de recursos específicos para este fim, como é o caso
do programa MATLAB® (MathWorks, 2008). Na se-
qüência, o estudo de caso realizado para investigar o
impacto dos dois tipos de controladores é descrito. Foi
analisada a operação de uma interseção isolada for-
mada por duas vias de sentido único de circulação,
uma via principal e outra secundária, sob três níveis
diferentes de volume de tráfego. A análise é efetuada
a partir dos resultados da simulação da operação do
tráfego, realizada com o uso do programa HUTSIM
(Kosonem, 1999).
Os estudos relacionados ao emprego de controlado-
res semafóricos fuzzy para o controle de interseções
isoladas, tanto com base em simulações da operação
do tráfego quanto em alguns testes de campo, têm a-
presentado resultados promissores (Niittymäki e Ne-
vala, 2001). Assim, contribuições ao aperfeiçoamento
do processo de desenvolvimento desses controladores,
como a descrita no presente trabalho, se revestem de
importância no contexto atual da demanda dos gesto-
res de tráfego por dispositivos de controle cada vez
mais eficazes.
2. TIPOS DE CONTROLADORES FUZZY
Os controladores fuzzy descritos na literatura são clas-
sificados em função das características gerais do seu
método de tomada de decisão. Embora diferentes mé-
todos sejam apresentados na literatura (ver Lee,
1990b), de acordo com Sugeno (1985) eles podem ser
reunidos em dois grandes grupos. O primeiro reúne os
TRANSPORTES, v. XVI, n. 2, p. 24-31, dezembro 2008
que são baseados nas funções de implicação fuzzy e
em operadores de composição para a definição da saí-
da fuzzy do controlador. Já os do segundo grupo dis-
pensam a definição de funções de implicação e opera-
dores para a inferência. Os controladores do tipo
Mamdani, referidos nesta seção como controlador de
Mamdani, são baseados no primeiro grupo, e os con-
troladores do tipo desenvolvido por Takagi e Sugeno,
aqui referidos como controlador de Sugeno, fazem
parte do segundo grupo.
Nos dois tipos de controladores a ação de controle é
obtida por meio da definição de um conjunto de ins-
truções (ou regras) de controle fuzzy, isto é de um al-
goritmo fuzzy. Essas regras são do tipo GMP (Genera-
lized Modus Ponens), e uma dada regra (Ri) pode ser
apresentada como:
Antecedente: x é A’ e y é B’
Regra (Ri): se x é Ai e y é Bi então z é Ci
Conseqüente: z é C’i
onde x and y são variáveis lingüísticas relacionadas ao
estado do processo e z é a variável lingüística de con-
trole; A’, Ai, B’, Bi, C’i e Ci são conjuntos fuzzy de x, y
e z nos universos de discurso U, V e W, respectiva-
mente. Como será apresentado a seguir, no caso do
controlador de Sugeno, o conseqüente da regra não é
um conjunto fuzzy.
2.1. Controlador de Mamdani
Este controlador tem como base o trabalho pioneiro de
Mamdani, publicado em 1973 (Mamdani, 1973). No
algoritmo fuzzy do controlador, cada regra é uma pro-
posição condicional fuzzy, e diferentes relações fuzzy
em U x V x W podem ser dela derivadas.
A implementação de cada regra é feita mediante a
definição de operadores para o processamento do an-
tecedente da regra e da função de implicação que irá
definir o seu conseqüente. A ação do controlador fuzzy
é definida pela agregação das n regras Ri que com-
põem o algoritmo, mediante o uso do conectivo “tam-
bém”, o qual pode ser implementado por diferentes
operadores. Esta agregação resulta no conjunto fuzzy
C, que define a saída do controlador C. A saída efetiva
do controlador é então obtida por meio de um proces-
so de defuzificação aplicado ao conjunto C.
As diferentes possibilidades para a implementação
dos conectores das regras, das funções de implicação e
do processo de defuzificação são amplamente discuti-
das na literatura (ver, por exemplo, Lee 1990a e
1990b) e não serão tratadas no presente trabalho. O
impacto da adoção de algumas dessas possibilidades,
e da definição dos conjuntos fuzzy associados às vari-
áveis de entrada do controlador semafórico fuzzy, fo-
ram objeto de pesquisas anteriores (Jacques et al.,
25
2002b, 2002c, 2003; Vaz, 2006).
2.2. Controlador de Sugeno
O controlador de Sugeno (Takagi e Sugeno, 1983)
consiste numa simplificação do controlador de Mam-
dani, onde o conseqüente de cada regra é definido
como uma função das variáveis lingüísticas de entra-
da. Isto é, a regra geral Ri pode ser escrita como:
Regra (Ri): se x é Ai e y é Bi então z = fi (x, y)
O resultado de cada regra é, portanto, um valor nu-
mérico (não um conjunto fuzzy), que assume como
peso o valor da pertinência resultante do processamen-
to do antecedente da regra. Essa determinação dispen-
sa, portanto, a definição de uma função de implicação
específica. A resposta final do controlador é obtida
pela média ponderada das respostas das regras indivi-
duais. Isto é, neste tipo de controlador não cabe pro-
cesso de defuzificação.
O valor de z pode também ser definido como um
valor constante, que pode ser interpretado como um
conjunto fuzzy com a característica especial de apre-
sentar um único valor com pertinência igual a um e
todos os demais com pertinência zero. Este tipo de
conjunto fuzzy é denominado singleton, e o seu em-
prego permite a definição de regras com valores de
saída que representam uma classificação da resposta
do controlador, sem alterar a forma simplificada da
determinação da resposta final do controlador.
2.3. Implementação dos controladores em
programa computacional
A implementação de um controlador fuzzy, para fins
de utilização efetiva, requer o uso de programas com-
putacionais. Atualmente, alguns programas de uso
geral dispõem de módulos específicos para facilitar a
realização desta tarefa, como é o caso do Fuzzy Logic
Toolbox do MATLAB®, usado neste trabalho para
implementar os dois tipos de controladores em estudo.
O programa permite ao usuário definir os quatro
componentes principais do sistema de inferência fuzzy,
que são: fuzificação dos valores das variáveis de en-
trada e aplicação dos operadores que podem estar pre-
sentes no antecedente das regras (“e” e “ou”); impli-
cação do antecedente sobre o conseqüente (função de
implicação); agregação dos conseqüentes de todas as
regras definidas; e a defuzificação do conjunto C de
resposta. No MATLAB®, antes de iniciar a definição
dos componentes do sistema, o usuário deve indicar se
o seu controlador é do tipo Mamadani ou Sugeno. De-
pendendo do tipo selecionado, são liberados os cam-
pos pertinentes para a entrada dos dados. Isto é, se for
selecionado o controlador de Sugeno, por exemplo, os
campos referentes à função de implicação, ao termo
de agregação “também” e ao método de defuzificação
26
ficam desabilitados. O programa apresenta diferentes
opções ao usuário para a configuração dos componen-
tes do sistema e, para a maioria dos campos, também
permite a definição de outras alternativas.
3. ESTUDO DE CASO
A avaliação do desempenho dos controladores de
Mamdani e Sugeno foi realizada a partir da implemen-
tação de dois controladores de cada tipo, definidos
com base em elementos básicos comuns. O funciona-
mento dos controladores foi então testado para o con-
trole de uma interseção isolada formada por duas vias
de sentido único, uma principal e outra secundária.
Este teste foi realizado através da simulação da opera-
ção do tráfego no local, com o auxílio do programa
HUTSIM (Kosonen, 1999).
3.1. Descrição das características gerais do
controlador semafórico fuzzy
O controlador básico, que foi implementado posteri-
ormente como controlador de Mamdani e Sugeno,
possui as características básicas a seguir descritas.
3.1.1. Variáveis de entrada e saída do
controlador
As variáveis que descrevem o estado do sistema a ser
controlado (variáveis de entrada) são “Fila” (na apro-
ximação que está recendo indicação vermelha) e
“Chegada” (número de veículos presentes nos 100 m
próximos à linha de retenção da aproximação que está
recebendo sinal verde). A variável “Fila” pode assu-
mir os valores “pequena”, “média”, “longa” e “qual-
quer”, que são definidos como conjuntos fuzzy. No
caso da variável “Chegada”, os valores possíveis são
“zero”, “pouca”, “média”, “muita” e “qualquer”. Os
conjuntos fuzzy associados a estas variáveis, mostra-
dos na Figura 1, são os mesmos definidos no estudo
de Santos (2003), mais especificamente, o Caso 4 de-
finido naquele trabalho. Dentre os casos estudados por
Santos (2003) o Caso 4 apresentou os melhores resul-
tados nas simulações realizadas em termos de atrasos
e paradas veiculares. Estes conjuntos são derivados do
controlador básico utilizado no trabalho de Andrade e
Jacques (2005), definidos a partir do estudo de
Niittymäki e Pursula (2000). Já a variável que descre-
ve a saída do controlador é denominada “Extensão”, e
pode assumir os valores “zero”, “curta”, “média” e
“longa”. Os conjuntos fuzzy que representam esses
valores são definidos de forma diferente para os dois
tipos controladores e serão posteriormente apresenta-
dos.
TRANSPORTES, v. XVI, n. 2, p. 24-31, dezembro 2008
 (a) Conjuntos fuzzy da variável “Fila” (b) Conjuntos fuzzy da variável “Chegada”
Figura 1: Conjuntos fuzzy de entrada do controlador básico

c) se uma extensão for calculada como inferior a 2

3.1.2. Base de regras
(dois) segundos, a extensão é concedida mas, ao
O conjunto de regras utilizado para o desenvolvimen- seu final, nenhuma outra extensão é possível.
to dos dois controladores é o apresentado na Tabela 1,
formado por 14 regras. Esta base de regras também foi 3.2. Descrição do controlador do tipo
empregada no trabalho de Andrade e Jacques (2005). Mamdani
Os controladores de Mamdani testados (Controladores
Tabela 1: Base de regras adotada
1 e 3), além dos aspectos básicos já descritos, tiveram
Regra Se a “Fila” é e a “Chegada” é Então a “Extensão” é os valores de suas variáveis de saída definidos pelos
1 Qualquer Zero Zero conjuntos fuzzy mostrados na Figura 2.
2 Pequena Pouca Curta
3 Média Pouca Zero A função de implicação adotada foi a de Mamdani,
4 Longa Pouca Zero implementada com o operador “mínimo”, e o método
5 Pequena Média Média
6 Média Média Curta
de defuzificação adotado foi o método do centro de
7 Longa Média Curta gravidade, que assegura uma superfície de controle
8 Pequena Muita Longa suave e contínua. Na Figura 3 são apresentadas, a títu-
9 Média Muita Média
10 Longa Muita Média lo de ilustração, a base de regras implementada no
11 - Pouca Curta MATLAB® e a superfície de resposta correspondentes
12 - Média Média
13 - Muita Longa ao Controlador 3.
14 Longa Qualquer Zero Os Controladores 1 e 3 apresentam como principal
diferença o comprimento das suas extensões de tempo
Para a implementação do antecedente das regras nos de verde, fruto da partição diferenciada do universo de
dois controladores foi utilizado o operador “mínimo” discurso da variável extensão, na definição dos con-
para o conectivo “e”. juntos fuzzy a ela associados em cada controlador (ver
3.1.3. Condições gerais da operação Figura 2). O Controlador 3 responde com extensões
maiores, especialmente para chegadas veiculares pe-
Na operação do controlador simulada no programa
quenas.
HUTSIM, os seguintes procedimentos são adotados:
a) tempo mínimo de verde igual a 5 segundos para
as duas aproximações;
b) máximo de 5 (cinco) extensões sucessivas de
verde para cada aproximação;

(a) Controlador 1 (b) Controlador 3

Figura 2: Conjuntos fuzzy da variável de saída do controlador de Mamdani

TRANSPORTES, v. XVI, n. 2, p. 24-31, dezembro 2008 27

 (a) Regras (b) Superfície de controle
Figura 3: Base de regras e Superfície de resposta do Controlador 3

tinência 1 são superiores no Controlador 4, na ordem

3.3. Descrição do controlador do tipo Sugeno
Para efeito da descrição do controlador de Sugeno,
cabe apenas acrescentar que, em conjunto com as ca-
racterísticas descritas na seção 3.1, a variável de saída
foi definida com base nos conjuntos singleton mostra-
dos na Figura 4.
Os conjuntos singletons da variável extensão foram
definidos a partir dos pontos de máximo da mesma
variável dos controladores do tipo Mamdani (contro-
ladores 1 e 3), os quais já foram utilizados em estudos
anteriores tais como o de Bingham (1998) e de An-
drade e Jacques (2005). Assim, os Controladores 2 e 4
também diferem entre si somente quanto aos conjun-
tos fuzzy da variável extensão, cujos valores com per-
de 66%.
A base de regras e a respectiva superfície de respos-
ta do Controlador 4, implantado no MATLAB®, são
apresentadas na Figura 5 a título de exemplo do fun-
cionamento do controlador de Sugeno.
3.4. Características da situação de controle
considerada
Conforme já mencionado nos itens anteriores, o con-
trole é realizado sobre uma interseção isolada, com
duas vias de aproximação perpendiculares, compostas
de duas faixas de trânsito de sentido único. A veloci-
dade operacional da via é de 60 km/h e o tráfego é
composto apenas de carros de passeio.

(a) Controlador 2 (b) Controlador 4

Figura 4: Valores da variável de saída do controlador de Sugeno

(a) Regras (b) Superfície de controle

Figura 5: Base de regras e superfície de resposta do Controlador 4

28 TRANSPORTES, v. XVI, n. 2, p. 24-31, dezembro 2008

 Foram realizadas 10 simulações de 1 hora para cada las 3 e 4 os resultados dos testes realizados são apre-
um dos controladores testados e para cada nível de sentados em termos de “S”, para indicar diferenças
volume estudado (Tabela 2), totalizando 120 horas de significativas, e “NS”, caso contrário.
simulação.
4.1. Controladores 1 e 2
Tabela 2: Tabela 2: Volumes de tráfego simulados (dados em O desempenho do tráfego, analisado através das vari-
veículos/hora)
áveis “atraso médio” e “percentual de paradas veicula-
Volume Via principal Via secundária TOTAL res”, foi melhor sob o controle do tipo Sugeno, espe-
Baixo 600 200 800 cialmente para os volumes alto e médio. Tal vantagem
Médio 1.200 400 1.600 foi verificada tanto para a interseção como um todo,
Alto 1.800 600 2.400
quanto para a as aproximações consideradas individu-
almente (via principal e via secundária). Destes resul-
O controle semafórico estabelecido na simulação é tados, apenas em um caso (paradas veiculares para a
bifásico para uma interseção isolada totalmente atuada via secundária sob volume alto) o controlador de
sob o modo de controle fuzzy. Foram testados quatro Mamdani apresentou resultados melhores, sendo que a
controladores fuzzy, sendo dois do tipo Mamdani diferença observada para o controlador de Sugeno,
(Controladores 1 e 3) e dois do tipo Sugeno (Contro- para este caso, foi não significativa sob o teste de hi-
ladores 2 e 4). pótese realizado (Tabela 3). Para o volume baixo os
Através da análise das superfícies de resposta dos resultados mostram que o controlador de Sugeno ten-
Controladores 3 e 4, observa-se que o controlador do de a beneficiar a via secundária, trazendo prejuízo
tipo Sugeno (com variável de saída singletons) tende a para a via principal, e conseqüentemente, para a inter-
dar extensões menores que seu correspondente com seção.
saída do tipo fuzzy (controlador de Mamdani).
Tabela 3: Diferença percentual entre os resultados dos
controladores 1 e 2, e significância segundo o teste de
4. RESULTADOS OBTIDOS Hipótese
Controladores 1 e 2 Diferença Percentual (DP)
As análises foram realizadas por pares de controlado- Variável Aproximação V. Alto V. Médio V. Baixo
res: Controladores 1 e 2 (Tabela 3), e Controladores 3 -10.7 -4.4 2.3
Interseção
e 4 (Tabela 4). S S NS
As diferenças percentuais dos valores médios dos ATRASO Via -12.0 -1.7 8.9
MÉDIO Principal S NS S
resultados de simulação para os pares de controladores (s) Via -8.5 -9.3 -14.2
foram apresentadas no sentido de facilitar as análises Secundária S S S
comparativas. Para este fim, o controlador de Mamda- Interseção
-8.0 -3.0 3.7
S NS S
ni foi adotado como o elemento de referência para o
PARADAS Via -12.9 -2.5 10.9
estudo proposto (ver Equação 1). VEICULARES Principal S NS S
VS i − VM i ( %) Via 0.4 -4.0 -12.1
DP = ⋅ 100 (1) Secundária NS NS S
VM i Via -18.5 -21.3 -19.2
VERDE Principal S S S
onde, DP: diferença percentual; MÉDIO Via -25.9 -16.3 -3.6
VSi: valor médio da variável i fornecido pelo (s) Secundária S S S
controlador Sugeno; COMPRIMENTO
Interseção
-17.0 -14.4 -8.1
VMi: valor médio da variável i fornecido pelo DE CICLO (s) S S S

controlador de Mamdani. S: diferença significativa; NS: diferença não-significativa

Foram realizados, também, testes de hipótese de i-
gualdade entre médias para a avaliação da diferença
dos controladores testados em termos de medidas de
desempenho do tráfego (atraso médio e número de
paradas veiculares) e da resposta dos controladores
(tempo médio de verde e comprimento médio de ci-
clo). Para tanto, foi adotado o nível de significância
α = 5%. Para a realização dos testes, os resultados de
simulação (10 horas para cada caso) podem ser consi-
derados conjuntos de dados emparelhados para cada
hora de simulação independente, uma vez que o simu-
lador utilizado permite gravar um padrão de chegadas
veiculares e reutilizá-lo para vários testes. Nas Tabe-
Na análise da resposta do controlador, os resultados
apresentaram diferenças significativas, para um nível
de significância de 5%. Pode ser observado que tanto
os tempos médios de verde quando o ciclo médio fo-
ram maiores para os controladores do tipo Mamdani.
Sendo assim, fica evidente que o tipo de controlador
utilizado impacta significativamente na resposta do
controlador (tempo de verde e tempo de ciclo).
4.2. Controladores 3 e 4
Ao avaliar as medidas de desempenho do tráfego, por
meio das diferenças percentuais de atraso médio e de

TRANSPORTES, v. XVI, n. 2, p. 24-31, dezembro 2008 29

paradas veiculares para esse par de controladores, ob- Mamdani ou Sugeno.
servou-se que o controlador de Sugeno (Controlador
3) apresentou melhores resultados para a maioria das Para as condições de tráfego analisadas (volumes e
situações avaliadas, com apenas dois resultados con- características gerais da interseção considerada) o
trários, sendo que um deles foi não significativo (Ta- controlador do tipo Sugeno apresentou melhores re-
bela 4). sultados sob o desempenho do tráfego, bem como me-
nores tempo de verde e de ciclo, para os volumes ana-
Tabela 4: Diferença percentual entre os resultados dos lisados. No entanto, como existe a interação entre tipo
controladores 3 e 4, e significância segundo o teste
de Hipótese
de controlador e volume, a decisão pela escolha do
Controladores 3 e 4 Diferença Percentual (DP)
controlador tipo Sugeno deve ser precedida de uma
Variável Aproximação V. Alto V. Médio V. Baixo avaliação preliminar para verificar se, para o caso
Interseção
-23.2 -20.2 -9.1 considerado esse tipo de controlador é, efetivamente,
S S S o mais apropriado. Para tanto, um estudo nos moldes
ATRASO Via -28.7 -22.7 -1.1
MÉDIO Principal S S NS
do realizado no presente artigo é recomendado.
(s) Via -11.8 -15.1 -24.4 Vale ressaltar que as vantagens dos controladores
Secundária S S S do tipo Sugeno sobre os do tipo Mamdani observadas
-15.6 -13.9 -2.1 nesse estudo devem ser somadas às vantagens de con-
Interseção
S S NS
cepção destes controladores, uma vez que possuem
PARADAS Via -24.6 -20.3 3.8
VEICULARES Principal S S NS menos elementos a serem definidos. A função de im-
( %) Via 2.9 -2.1 -12.8 plicação e os métodos de defuzificação são elementos
Secundária S* NS S dispensáveis na concepção dos controladores do tipo
Via -20.9 -33.7 -41.9 Sugeno e, como pode ser observado na literatura (Jac-
VERDE Principal S S S
ques et al, 2002b e 2002c), impactam significativa-
MÉDIO Via -39.2 -42.9 -27.9
(s) Secundária S S S mente no processo do controle realizado.
COMPRIMENTO -23.8 -30.5 -27.1 É importante dar continuidade aos estudos relacio-
Interseção
DE CICLO (s) S S S nados à comparação dos controladores de Mamdani e
S: diferença significativa; NS: diferença não-significativa Sugeno avaliando condições geométricas e operacio-
*: caso significativo desfavorável ao controlador Sugeno nais diferentes das consideradas nesse estudo. Varia-
ções dos volumes médios de tráfego, movimentos de
As diferenças relativas à resposta dos controladores
conversão e a operação em rede devem ser considera-
(verde médio e comprimento de ciclo) foram todas
dos em estudos futuros.
significativas, e em todos os resultados as medidas do
controlador de Sugeno foi menor. Novamente, com-
prova-se a influência do tipo de controlador utilizado REFERÊNCIAS BIBLIOGRÁFICAS
na resposta de controle, bem como no desempenho do Andrade, M.; Jacques, M. A. P. (2005) Estudo para aprimoramento da
operação de controladores semafóricos fuzzy. In: XIX ANPET-
tráfego. Congresso de Pesquisa e Ensino em Transportes, 2005, Recife.
Os resultados obtidos (Tabelas 3 e 4) permitem ain- Rio de Janeiro: ANPET, 2005. v. 1. p. 817-828.
Bingham, E. (1998) Neurofuzzy Traffic Signal Control. Department of
da concluir que o desempenho do tráfego é, também, Engineering Physics and Mathematics. Helsinki Univerity of Tec-
afetado pela interação entre o tipo de controlador uti- nology.
Jacques, M.A.P., J. Niittymäki, and M. Pursula (2002a) Analysing Diffe-
lizado e os volumes a serem controlados. Através da rent Fuzzy Traffic Signal Controllers for Isolated Intersections.
realização de uma Análise de Variância, considerando Paper accepted for presentation at TRB 81st Annual Meeting. Ja-
os fatores “Controlador” e “Volume”, ficou efetiva- nuary 13-17, 2002, Washington, DC.
Jacques, M. A. P.; J. Nittymäki; M. Pursula, e I. Kosonen (2002b) The
mente comprovada a interação entre os fatores ao ní- impact of different approximate reasoning methods on fuzzy sig-
vel de significância de 5%, exceto para o atraso médio nal controllers. Anais do 13th Mini-Euroconference, 10 a 13 de
Junho de 2002, Bari – Itália, p.184 – 192.
na via secundária. Jacques, M. A. P.; J. Nittymäki; M. Pursula, e I. Kosonen (2002c) Analysis
of Different Defuzzyfication Methods Applied to Fuzzy Signal
Controller. In: XII Congresso Panamericano de Ingeniería de
5. CONCLUSÕES Tránsito y Transport. Quito – Equador.
Jacques, M. A. P.; D. B. L. M. Santos, M. Pursula e I. Kosonen (2003)
Diante dos resultados obtidos neste estudo é possível Studying the Importance of Fuzzy Sets Definitions for Fuzzy Sig-
observar que diferentes tipos de controladores impac- nal Controllers. In: Fourth International Symposium on Uncerta-
inty Modeling and Analysis – INSUMA 2003, Maryland, USA, p.
tam de modo significativo tanto na resposta do contro- 64 – 69.
lador, como também no desempenho do tráfego. Sen- Kikuchi, S. (1991) Aplication of fuzzy set theory to the analysis of trans-
do assim, é de suma relevância a atenção do projetista portation problems. In: Second International Conference on Ap-
plications of Advanced Technologies in Transportation Enginne-
na construção do controlador fuzzy, dentre os diversos ring. Minneapolis, Minnesota, August 18-21, 1991.
aspectos já apresentados na literatura, para a definição Kosonen, I. (1999) HUTSIM – Urban Traffic Simulation and Control
Model: Principles and Applications. Publication 100, Helsinki
do tipo de controlador a ser utilizado – se do tipo

30 TRANSPORTES, v. XVI, n. 2, p. 24-31, dezembro 2008

 University of Technology, Transportation Engineering, Espoo,
Finland, 1999, 248 p.
Lee, C. C. (1990a) Fuzzy Logic in Control Systems: Fuzzy Logic Control-
ler, Part I. IEEE Transactions on Systems, Man, and Cybernetics,
Vol. 20, No. 2, March/April 1990, pp. 404 – 418.
Lee, C. C. (1990b) Fuzzy Logic in Control Systems: Fuzzy Logic Control-
ler, Part II. IEEE Transactions on Systems, Man, and Cybernetics,
Vol. 20, No. 2, March/April 1990, pp. 419 – 435.
Mamdani, E. H. (1973) Aplications of fuzzy algorithms for control of
simple dynamic plant. Proc. IEEE 121, vol. 12, p. 1585-1588.
Mamdani, E. H. e Assilian S. (1975) An experiment in linguistic synthesis
with a fuzzy logic controller. Int. J. Man-Machine Studies, vol. 7,
p. 1-13.
MathWorks (2008) Getting Started Guide. Matlab®7.
Niittymäki, J. and M. Pursula (2000) Signal Control Using Fuzzy Logic.
Fuzzy Sets and Systems, Vol. 116, pp.11-22.
Niittymäki, J. and R. Nevala (2001) Fuzzy Adaptive Traffic Signal Control
– Principles and Results. In: Joint 9th IFSA World Congress and
20th NAFIPS International Conference, Vancouver, Canada, July
2001, 6 p.
Pappis, C. P.; H. Mamdani (1977) A Fuzzy Logic Controller for Traffic
Junctions. IEEE Transactions on Systems, Man and Cybernetics.
Vol. SMC-7, Nº 10.
Santos, D, B, (2003) Procedimento para a Construção dos Conjuntos
Fuzzy Utilizados em Controladores Semafóricos, Dissertação de
Mestrado,Universidade de Brasília, Brasília, DF.
Sugeno, M. (1985). An introductory survey of fuzzy control. Information
Sciences 36, p. 59-83.
Takagi, T. e Sugeno M. (1983) Derivation of fuzzy control rules from
human operator’s control action. IFAC Symposium on Fuzzy In-
formation, Knowledge Representation and Decision Analysis,
Marseille, p. 55-60.
Vaz, A M (2006) Estudos das Funções de pertinência para conjuntos fuzzy
utilizados em Controladores Semafóricos Fuzzy. Dissertação de
Mestrado, Departamento de Engenharia Civil e Ambiental, Facul-
dade de Tecnologia Universidade de Brasília, DF, 158 p.
Zadeh, L. A. (1973) Outline of a new approach to the analysis of complex
systems and decision processes. IEEE Transactions on Systems,
Man, and Cybernetics, Vol. SMC-3, No. 1, p. 28-44.
Zimmermann, H.-J. (1996) Fuzzy Set Theory and Its Applications. 3rd
Edition. Kluwer Academic Publishers.

TRANSPORTES, v. XVI, n. 2, p. 24-31, dezembro 2008 31